编辑推荐：
为探究干旱和旱涝急转（DFAA）对植被的影响，研究人员结合随机森林模型与 Shapley Additive Explanation（SHAP）值构建可解释机器学习模型，并耦合 R-Vine Copula 函数展开研究。结果发现多种趋势及变量贡献差异等。该研究增进相关机制理解，提供新研究方法。
在全球变暖的大背景下，极端天气事件愈发频繁和强烈，就像一场场生态环境的 “风暴”。干旱和旱涝急转（DFAA）这类极端事件，对陆地生态系统中至关重要的植被产生了巨大影响，不仅关乎生态环境的稳定，还与粮食安全、经济发展紧密相连。然而，目前对于干旱和 DFAA 如何影响植被，还存在诸多不清楚的地方。现有研究在定量评估其影响程度方面有所欠缺，且未能深入剖析二者共同作用的复杂机制。正是为了填补这些知识空白，来自国内的研究人员开展了一项意义重大的研究，该研究成果发表在《Agricultural and Forest Meteorology》上。
研究人员巧妙地将随机森林模型与 Shapley Additive Explanation（SHAP，基于合作博弈论构建的可对特征影响进行分析的模型 ）值相结合，构建出可解释的机器学习模型，同时耦合 R-Vine Copula 函数（一种能有效描述高维变量间依赖关系的方法），对 1981 - 2019 年中巴经济走廊（CPEC）地区的干旱（借助非平稳干旱指数衡量）和 DFAA（利用短周期旱涝急转指数 SDFAI 评估）对植被的综合影响展开深入探究。
在研究过程中，研究人员使用了多种关键技术方法。一方面，运用改进的 Mann-Kendall 方法，分析了研究区域内相关指标的趋势变化；另一方面，通过随机森林（RF）模型确定各因素对植被净初级生产力（NPP）的相对贡献，再借助 R-Vine Copula 函数量化各变量间的高维相关性。研究数据涵盖了 CPEC 地区多年的气候和植被相关信息。
下面来看具体的研究结果：
- 趋势分析：研究发现，在 CPEC 地区，干旱事件呈现出加剧的态势，从洪水到干旱转变的风险有所降低，而从干旱到洪水转变的风险却在上升。与此同时，植被的净初级生产力（NPP）却表现出上升的趋势。
- 相对贡献分析：基于 RF 模型的结果，对 NPP 的相对贡献从低到高依次为非平稳标准化降水蒸散指数（NSPEI，21.0%）、短周期旱涝急转指数（SDFAI，31.4%）和标准化土壤湿度指数（SSMI，47.6%）。这清晰地表明，SSMI（代表土壤湿度）与植被生长的关系比降水更为紧密，而 DFAA 作为一种新的水分胁迫现象，对 NPP 的影响大于 NSPEI。
- 相关性分析：利用 R-Vine Copula 函数分析发现，SSMI 和 NPP 之间存在较强的上尾相依性，SDFAI 和 SSMI 之间存在较强的下尾相依性。当 SSMI 作为中间变量时，SDFAI 和 NPP 之间的间接相关性很强。
- 旱涝转换影响分析：研究人员通过 SHAP 值分析还发现，在从洪水到干旱的事件中，SHAP<0 和 SHAP>0 的比例分别为 24% 和 76%，这表明在 CPEC 地区，从洪水到干旱的转变对植被生长起到了拮抗作用；而在从干旱到洪水的事件中，相应比例分别为 73% 和 27%，说明这种转变对植被生长具有协同抑制效应。
综合上述研究结果，该研究取得了重要的成果。一方面，明确了 CPEC 地区干旱、DFAA 和植被相关指标的时空变化特征；另一方面，量化了干旱和 DFAA 对植被的综合影响，揭示了 DFAA 对植被存在的旱涝拮抗和协同效应。这不仅加深了人们对 DFAA 影响植被机制的理解，还为探究多种极端事件对植被的综合影响提供了全新的方法和思路，为后续生态环境的保护、粮食安全的保障以及经济的可持续发展提供了有力的科学依据，在相关领域具有重要的理论和实践意义。
